이 페이지는 기계 번역되었습니다.
번역 품질에 대한 1분 설문 조사에 참여해 주세요.
Tata Motors - LLM 기반 채팅 어시스턴트를 통한 차량 진단 가속화 사례
서비스 속도와 정확도를 개선한 ServiceSage 앱
Tata Motors는 MATLAB을 사용하여 진단 과정을 간소화하고 신입 기술자까지도 도울 수 있는 GenAI 기반 앱을 개발했습니다.
주요 성과
- RAG로 강화된 LLM을 활용한 AI 지원 문제 해결 기능으로 차량 서비스 시간을 단축함
- 경험 수준과 관계없이 기술자 전반에 걸쳐 진단 정확성과 일관성을 향상시킴
- 로컬 LLM과 MATLAB 로우코드 도구 및 앱 디자이너를 활용하여 프로토타입 개발 속도를 가속화함
Tata Motors의 서비스 팀은 점점 더 복잡해지고 많아지는 자동차 시스템을 지원하기 때문에 진단의 정확성과 속도가 고객 만족에 있어 매우 중요합니다. 그러나 기술자들은 종종 긴 매뉴얼을 뒤지며, 근본 원인을 식별하고 변화하는 진단 절차를 따라가는 데 어려움을 겪습니다. 이러한 문제들로 인해 서비스 시간이 늘어나고, 문제 해결이 비일관적이며, 차량 가동 중단 시간이 길어집니다.
이러한 문제를 해결하기 위해 Tata Motors는 생성형 AI와 LLM(대규모 언어 모델)을 활용한 앱인 ServiceSage를 개발했습니다. MATLAB® 및 Text Analytics Toolbox™를 사용해 팀은 RAG(검색증강생성) 워크플로를 구현해 앱이 기술 매뉴얼을 검색하고 기술자의 문의에 따라 문제 해결 가이드를 제공할 수 있도록 했습니다. 상황 인식 문제 해결 솔루션은 앱 디자이너와 로우코드 전처리 및 스크립팅 툴을 조합해 구축되었습니다. ServiceSage는 진단 정확도를 높이고, 수리 시간을 단축하며, 기술자와 차량 소유자 모두에게 전반적인 서비스 경험을 향상시킵니다.
